Ultralytics YOLOv5 导出竞赛获胜者
发现 Ultralytics YOLOv5 导出竞赛的获胜者，展示了跨各种设备的最佳 AI 模型部署。
为了帮助大家轻松训练和部署顶尖的视觉 AI 模型，我们举办了首届 Ultralytics YOLOv5 Export Competition。我们非常重视与开源社区成员的联系，并且一直对用户所创作的大量应用印象深刻。
Link to this section截止日期#
竞赛于 2021 年 5 月 17 日开始，至 2021 年 8 月 31 日 24:00 UTC 结束。此日期之后，竞赛关闭，后续提交的作品不再具备奖金资格。
Link to this section评估#
评估时间为 2021 年 9 月 1 日至 2021 年 9 月 16 日。我们的团队对每一份提交的作品进行了深入研究。
Link to this section10000 美元奖金#
各类别中的最佳作品已获得 Ultralytics 为该类别提供的全额奖金 2000.00 美元。
Link to this section5 个类别#
在社区的大力帮助下，我们此前设立了 5 个类别，代表了 YOLOv5 模型最受欢迎的实际部署场景，包括 Jetson Nano、Raspberry Pi、Google Edge TPU、桌面 CPU 和 Android Edge 设备。
Link to this section提交作品#
参赛者为他们的作品创建了公共 GitHub 仓库，为其成果指定了 open source license，并将作品直接发布到 5 个官方 EXPORT 竞赛提交主题之一，以便社区进行投票。请注意，这些主题仅限官方提交使用。一般问题或评论已直接在此主题或新的 discussion 中提出。提交作品链接如下：
Link to this section竞赛获奖者#
经过慎重考虑，我们确定了五个类别中每个类别的获胜者，这些类别代表了 YOLOv5 模型最受欢迎的实际部署场景。我们已与所有参赛者取得个人联系，并在此后向获奖者发放了奖金。今天，我们很高兴终于能与大家分享这些最佳解决方案！
Link to this sectionNVIDIA Jetson Nano#
奖金：2000 美元
Link to this sectionGoogle Edge TPU#
奖金：2000 美元
Link to this sectionAndroid#
奖金：2000 美元
Link to this sectionRaspberry Pi#
奖金：2000 美元
无获胜者 *
Link to this sectionIntel/AMD CPU#
奖金：2000 美元
无获胜者 *
*该类别的提交作品未达到每一项评估标准的最低要求。因此，此次该类别未选出获胜者，但未来参赛者将有更多机会再次竞争。
恭喜获奖者！请务必查看他们的仓库。
“YOLOv5 库非常棒 - 它几乎每天都在更新，模型表现出色，用户体验也在不断优化。我的很多研究涉及在嵌入式设备上部署 ML，我之前也使用过 EdgeTPU，所以这看起来是一个有趣的挑战。” Josh Veitch-Michaelis
我们还要向每一位参与 Export Competition 的人表示衷心的感谢！我们很幸运拥有众多宝贵的开源社区成员。正是大家的贡献使我们的社区变得如此伟大。
保持出色，继续创作！ 🚀
Link to this section评分#
Export 竞赛的提交作品基于以下几个标准进行评判：导出方法的简洁性和可复现性、文档质量、导出质量以及导出模型的速度和准确性。这些作品随后由 Ultralytics 团队和社区反馈共同评分。
Link to this section导出质量 (20%)#
最简单的导出方式应具备最少的步骤、最少的参数/参数要求、最少的导入包，并且能够用最少的代码执行。
Link to this section文档质量 (20%)#
提交作品应使用 Markdown 提交文件进行详尽记录。每个步骤都应进行解释，包括设置/要求、任何设置/参数、导出步骤以及部署环境设置（如果适用）。
Link to this section提交质量 (20%)#
从官方 yolov5s.pt 模型开始的导出和部署的各个方面都应包含在内。对于需要特殊要求的环境（如 Jetson Nano），必须提供并记录所有包和/或 Docker 镜像。对于 Android 部署，还应包含一个 Android 参考应用。提交作品必须包含 完全导出和使用 YOLOv5 模型所需的 100% 内容。
Link to this section已部署模型的速度和准确性 (40%)#
已部署的模型应返回与官方 YOLOv5 PyTorch 模型几乎一致的推理结果（即使用 python detect.py --weights yolov5s.pt 进行推理）。已部署解决方案的 准确性 将在公众无法获取的 Ultralytics 留出测试集上进行分析。速度 也非常重要，速度最快的部署解决方案将受到高度青睐。 对于 Android，导出到 GPU、NNAPI 和 Hexagon 代理的解决方案在此项评分最高。
